AI trong khoa học

Đặt câu hỏi khoa học trước khi chọn thuật toán. Quyết định những gì được đo lường, những gì được suy luận và quan sát nào sẽ bác bỏ tuyên bố. Giữ riêng biệt dữ liệu đào tạo, xác nhận và kiểm tra, đặc biệt khi các phép đo từ cùng một chủ đề, công cụ hoặc thử nghiệm có mối tương quan với nhau. Ghi lại quá trình tiền xử lý, phiên bản mô hình, hạt giống ngẫu nhiên nếu có liên quan và tài liệu đánh giá. Kiểm tra xem dữ liệu bị thiếu hoặc hiệu ứng lựa chọn có làm thay đổi kết luận hay không. Một mô hình có thể tái tạo một mẫu đã biết trong khi thất bại trên một công cụ, quần thể hoặc điều kiện thử nghiệm mới. Hãy sử dụng sự không chắc chắn một cách trung thực. Hiệu chuẩn, khoảng tin cậy, khoảng dự đoán và phân tích độ nhạy trả lời các câu hỏi khác nhau. Một giả thuyết được tạo ra có thể hướng dẫn công việc tiếp theo, nhưng nó không phải là bằng chứng cho đến khi có một thử nghiệm thích hợp hoặc phân tích độc lập hỗ trợ nó. Giữ nguyên đường dẫn từ dữ liệu nguồn đến hình, bảng hoặc bản thảo. Hãy xem xét quyền tác giả, trích dẫn và văn bản được tạo một cách cẩn thận và tránh tuyên bố rằng kết quả tự động được sao chép độc lập trong khi thực tế không phải vậy.